基于卷积神经网络和离散小波变换的滚动轴承故障诊断

摘要：

针对滚动轴承故障诊断时频特征自适应提取与智能诊断问题,提出了一种基于卷积神经网络(Convolution Neural Network,CNN)和离散小波变换(Discrete Wavelet Transform,DWT)的滚动轴承故障诊断方法.首先应用离散小波变换将信号时频特征充分展现,构造出时频矩阵;然后再利用卷积神经网络的多层特征提取网络对输入信号进行分级表达,将时频矩阵低层信号特征逐层变换形成抽象的深层特征,以获取原信号时频信息的分布式特征表达.最后在特征输出层后端添加softmax多分类器,利用反向传播(Backpropagation,BP)逐层微调结构参数,建立特征空间到故障空间的映射以生成合适的分类器,从而实现滚动轴承故障诊断.通过对不同故障类型、不同损伤程度以及不同工况下的滚动轴承进行故障诊断实验,结果证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性.

关键词：故障诊断、滚动轴承、卷积神经网络、离散小波变换、自适应提取

所属期刊栏目：31

分类号：TH165+.3;TN911.7;TH133.33

资助基金：机械传动国家重点实验室开放基金资助项目SKLMT-KFKT-201710;国家自然科学基金资助项目51305471,51775065;中国博士后科学基金资助项目2014M560719;重庆市留学人员回国创业创新支持计划创新项目CX2017076,CX2018116;重庆市技术创新与应用示范社会民生类一般项目cstc2018jscx-msyb0982;重庆市研究生教育创新基金资助项目CYS18224;城市轨道交通车辆系统集成与控制重庆市重点实验室开放课题基金资助项目CKLURTSIC-KFKT-201809

在线出版日期：2018-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：883-891